Portuguese English Spanish
logo ydea
  • Home
  • Produtos e Serviços
  • Analytics

A Ydea acumula muitos anos de experiência no desenvolvimento e implementação de modelos de Business Analytics (estatística, matemática, inteligência artificial e tecnologia aplicados aos negócios) em empresas de médio e grande porte. 

 

 

Ydea, Solutions, Business, Analytics

 

 

Nossos serviços incluem, além da construção e implementação de modelos matemáticos/estatísticos, o acompanhamento e suporte das suas análises, painéis de visualização e controle (web e aplicativos), e treinamento.

 

Ydea, Solutions, Soluções, estatística, matemática, análise

A Ydea conta com especialistas, quase todos mestres e doutores pelas melhores universidades, capazes de reunir, em um só lugar, todas as habilidades necessárias para transformar grandes volumes de dados brutos em informação estratégica e relevante, e entrega-la da forma mais conveniente para a sua empresa (plataforma própria; ou em R, Matlab, SAS etc.).

 

 

BUSINESS ANALYTICS

 

ba3Business Analytics, ou modelagem estatística/matemática e computacional dos processos que compõem o ciclo de negócios de uma empresa ou empreendimento, traduz-se na determinação de relações entre as variáveis que definem tais processos na forma de equações (modelos) matemáticas. Por exemplo, pode-se desejar saber a probabilidade (ou propensão) de um cliente, novo ou antigo, comprar um novo produto com base no seu histórico de compras e/ou outras variáveis que o caracterizem (idade, poder aquisitivo, tempo em que ele é cliente etc.).

 

São diversas as técnicas de Modelagem Estatística e Matemática e, cada uma delas, aplica-se a determinados tipos de dados e problemas. De modo geral, podemos classificá-las como modelos de simulação, previsão, classificação e agrupamento, e otimização.

 

 

ba4   • Simulação: métodos de simulação ou Monte-Carlo têm por finalidade representar um processo ou dinâmica de acordo um conjunto de equações probabilísticas. Uma vez determinadas estas equações, pode-se simular o processo sob diferentes circunstâncias e, assim, identificar gargalos e pontos de estresse. Aplicações são encontradas em praticamente qualquer área de negócios, de logística (simulação do fluxo de desembarque de mercadorias) às finanças (simulação do risco de uma carteira – risco de mercado, crédito e contraparte), do varejo (simulação do fluxo de mercadorias nas prateleiras ou de clientes nos caixas de atendimento e pagamento) aos serviços (simulação da dinâmica de websites).

 

ba5  • Previsão: o objetivo é prever o valor de uma variável ou conjunto de variáveis (e.g. total de vendas, faturamento, indicadores etc.) com base em fatores endógenos ou exógenos (histórico da própria variável, data, sazonalidade, segmento de atuação da variável etc.). Em geral, tais técnicas são representadas por modelos de regressão, séries temporais, ou um misto delas;

 

 

ba6• Classificação: conjunto de técnicas usadas para segmentar uma base de dados com relação a fatores ou grupos conhecidos a priori. (e.g. separação dos clientes de uma empresa em dois grupos determinados pela propensão de churn). As metodologias de classificação baseiam-se em bases de dados com históricos e outras variáveis associadas aos clientes e seus respectivos perfis. Definido um padrão de classificação, ele pode ser usado pela empresa em ações estratégicas e proativas;

 

ba7

• Agrupamento (Clustering): semelhantes às técnicas de classificação (e, em geral, uma etapa anterior), aplicam-se quando NÃO conhecemos a priori os grupos que compõem a base analisada. Por exemplo, poderíamos querer saber, com base no comportamento de uso de um certo serviço (e.g. telefonia), quais usuários são mais semelhantes entre si. Ainda no exemplo de telefonia, poderíamos os resultados da análise de agrupamento para otimizar os processos de marketing direcionado (e.g. mailing, telemarketing, definição de mídias etc.);

 

• Otimização: consiste em maximizar (ganhos) ou 

ba8minimizar (perdas) uma função, que representa um determinado processo, através da seleção inteligente das variáveis que afetam o fenômeno de interesse, ou inputs. Tais técnicas são comumente utilizadas em tomada de decisões como, por exemplo, logística e finanças. No caso da logística, pode-se citar a determinação de rotas (para caminhões partindo de um centro de distribuição) ou a alocação dinâmica de estoques que minimizem os custos e o tempo de entrega. Em finanças, o uso de otimização pode ser ilustrado na seleção dos ativos que devem compor uma carteira de modo a maximizar os ganhos do(s) cliente(s).

 

 

Com aplicação abrangente no mundo corporativo, a Modelagem Estatística e Matemática oferece vários benefícios. Citamos abaixo alguns deles:

  • ·Análise de cenários;
  • Tomadas de decisão mais fundamentadas e ágeis;
  • Adequação dos processos da empresa aos dados;
  • Melhores resultados (maior lucro/redução de perdas);
  • Melhor aproveitamento da informação contida nos dados;